作者丨郑佳美 编辑丨马晓宁 图像生成行业正在从“生成能力竞争”进入“可控能力竞争”。 过去，模型的核心价值主要体现在能否生成高质量、高清晰度、风格丰富的单张图像；而随着文生图、图生图和指令式编辑能力逐渐成熟，新的瓶颈开始显现：模型能否理解多张图片之间的关系，能否在不同视角和场景中保持同一对象的一致性，能否把多个参考来源自然融合到同一画面中，能否在数据缺失或退化时恢复可信细节，以及能...

来源：公众号“机器之心” 原文https://mp.weixin.qq.com/s/SCk63tSurxIeuaVNxqgSkA?scene=1&click_id=30 团队一作林之秋（Zhiqiu Lin）是卡内基梅隆大学（CMU）机器人研究所的博士，研究方向涵盖视觉 - 语言大模型的评估、数据与生成；前作 CameraBench 曾获 NeurIPS’25 Spotlight...

一、为什么要关注高校产出榜？ CVPR 每年接收约3000篇论文，是计算机视觉领域的"奥斯卡"。高校在CVPR上的论文数量，不仅反映该校的科研投入力度，更是衡量其AI学科建设水平和国际竞争力的关键指标。 本榜单基于CVPR 2026公开接收论文数据，以高等院校活跃作者（至少有3篇论文被接收）所属机构为口径，仅统计高等院校（不含企业研究院），数据经多重交叉验证。 二、榜单速览：一图看懂T...

一、榜单背景：为什么要关注CVPR论文数量？ CVPR（计算机视觉与模式识别国际会议）是计算机视觉领域全球公认的顶级学术会议，每年接收率约为25%，入选本身即代表研究达到国际前沿水准。对于即将择校或择导的学生、寻找合作方向的研究者，以及关注AI研究动态的产业人士而言，谁在CVPR上的论文最多，往往意味着谁的课题组产出最稳、研究覆盖面最广。 本榜单基于CVPR 2026接收论文数据，以通讯...

来源：公众号“视觉语言导航” 原文链接：https://mp.weixin.qq.com/s/WRdwox6z8HajRGoHhdQvGA?scene=1&click_id=58 随着视觉语言模型（VLMs）飞速发展，具身机器人已从实验室走向家庭场景，能在3D室内环境中导航、感知，完成具身问答（EQA）任务，成为老人陪护、家务辅助的重要帮手。 但所有现有EQA基准都存在...

一、论文信息 论文题目：ParTY: Part-Guidance for Expressive Text-to-Motion Synthesis中文题目：ParTY：富有表现力的文本到动作合成的部分指南论文链接：https://arxiv.org/pdf/2603.09611 所属单位：庆熙大学 核心速览： 提出ParTY框架以解决文本到动作合成中特定身体部位动作表达...

来源：公众号“Knowin诺因” 原文链接：https://mp.weixin.qq.com/s/t-o34_8wWAjMD6YBp7Nwqw CVPR 2026 EgoVis Workshop 首届 EgoCross Challenge 挑战赛结果正式揭晓！诺因智能（Knowin）凭借自研高效推理技术，一举拿下Source-Limited、Open-Source 双赛道全球第一名，实现...

原文链接：https://mp.weixin.qq.com/s/kR6VUwldmDC1RuDRJdfFDA 锚定视觉前沿，贯通理解与生成，以下为您逐一呈现入选论文： 论文链接： https://openaccess.thecvf.com/content/CVPR2026/papers/Chen_alphaMatte4K__muMatting_Dataset_and_Model...

来源：公众号“腾讯招聘” 原文链接：https://mp.weixin.qq.com/s/G0JIVvBbRNt0dwe691RMmA?scene=1&click_id=41 CVPR是计算机视觉领域最具影响力和权威性的国际顶级学术会议之一（CCF-A 类），聚焦计算机视觉、图像识别、多模态理解、生成式视觉模型、3D 视觉、自动驾驶等前沿方向。第43届会议将在美国丹佛举行，本届会...

作者丨李傲 中国人民大学 近年来，以LLaVA、Qwen系列为代表的大视觉语言模型（LVLM）推动了多模态智能的发展，在视觉理解与推理任务中展现不错的表现。然而，其伴随着高昂的推理成本。面对高分辨率图像或者视频时，模型往往需要处理大量视觉Token，而这些Token会在整个推理过程中持续参与计算，成为制约模型效率的重要瓶颈。因此，如何识别并保留真正重要的视觉Token，在尽可能不影响性...